חוברת הקורס

תרגול 1 — SPSS, סולמות מדידה ו-Recode

מפת התרגול

בהקלטה המסך המשותף לא מתחלף מ-0:14 עד 0:37. כל הזמן הזה רואים את שקף הגדרת המשתנים, בזמן שבכיתה עובדים ב-SPSS. לכן חלון הייבוא וחלון ה-Recode לא נראים, והשלבים שלהם כאן הם לפי מה שנאמר. מ-0:37 SPSS שוב על המסך: המשתנה החדש וחלון השמות לקבוצות.

ענייני הקורס

סולמות המדידה, בקצרה

אותם ארבעה סולמות כמו בהרצאה 1. בשקף של התרגול הם מופיעים בשמות עבריים קצת אחרים:

ב-SPSS יש רק שלוש רמות: Nominal, ‏Ordinal ו-Scale. ‏Scale הוא אינטרוולי ויחס יחד, כלומר המשתנים הכמותיים. בשקף כתוב "יחס (Ratio / Scale)", ובתרגול נאמר שמשתנים אינטרווליים כמעט לא נפגוש.

רציף מול קטגוריאלי

רציף: המספר הוא כמות של משהו, והוא יכול להשתנות כל הזמן. גובה, 1.63 מטר. משקל. ה-BMI עצמו. כמה גרמים של סיבים או של חלבון מישהו אכל: היום 20, מחר 30. כל מספר אומר בדיוק את מה שהוא.

קטגוריאלי: המספר מסמן קבוצה. ה-BMI, כשמחלקים אותו לקבוצות:

הקוד 1 הוא לא "אחד" של משהו. הוא אומר "תת-משקל".

תיקון. בתרגול קבוצות ה-BMI נקראו נומינליות. יש להן סדר, מתת-משקל ועד עודף משקל, ולכן הן אורדינליות. כך גם בהרצאה 1, שם קטגוריות משקל הן דוגמה לסולם אורדינלי, וכך גם קבוצת צריכת הסיבים בשקף של התרגול.

לא לכל משתנה יש שתי גרסאות. שאלה מהכיתה: לכל משתנה יש גם רציף וגם קטגוריאלי? לא. כל משתנה הוא מסוג אחד. אבל ממשתנה רציף אפשר ליצור משתנה חדש של קבוצות, וזה מה שעושים בהמשך התרגול.

מספר ילדים. שאלה מהכיתה: אין חצי ילד, אז זה לא רציף? מספר ילדים הוא כמותי בדיד: סופרים יחידות שלמות. יש לו אפס אמיתי, ולכן הוא בסולם יחס, וב-SPSS הוא Scale.

איך משקל גוף בסולם יחס, אם אף אחד לא שוקל אפס? גם זו שאלה מהכיתה, והתשובה שם לא הייתה חדה. הכלל, כמו בהרצאה 1: אפס אמיתי פירושו שבאפס אין מהתכונה כלום. לכן מותר לחלק ולומר ש-80 ק"ג הם פי שניים מ-40 ק"ג. זה לא תלוי בכך שמישהו באמת שוקל אפס. בצלזיוס האפס הוא לא "אין חום", ולכן 30 מעלות אינן פי שניים מ-15.

למה סוג המשתנה קובע

הדרך לשכיחויות ב-SPSS: Analyze › Descriptive Statistics › Frequencies. לפי התרגול, את הדרך הזו צריך לדעת גם כשמעירים אתכם באמצע הלילה.

הנתונים: צריכת סיבים במרפאת סוכרת

השקפים מציגים דוגמה קלינית: צריכת סיבים תזונתיים בקרב 50 מטופלי סוכרת. הנתונים בקובץ Excel במודל, שורה לכל מטופל. המטופל הראשון צרך 12.5 גרם ליום, השני 14, השלישי 11.

הגדרת המשתנים, מהשקף:

שלושתם Numeric. בצריכת הסיבים ספרה אחת אחרי הנקודה (Decimals 1), ובשניים האחרים אין.

השאלה שבשבילה צריך קבוצות. לא מעניין מה האחוז של מי שצרך בדיוק 12.5 גרם. מעניין כמה מהמטופלים עומדים בהמלצה. מרשימה של 50 מספרים, אחד אחרי השני, את זה לא רואים. עם קבוצות זה האחוז של הקבוצות שבהמלצה ומעליה. בשקף, 25 עד 29 גרם מסומנים "יעד נשים", ו-30 עד 34 "יעד גברים".

ייבוא מ-Excel

אם הקובץ לא נשמר במחשב, הוא לא יופיע ברשימה. כמו בהרצאה 1: מורידים קודם, ופותחים מהמחשב.

שתי הלשוניות בתחתית החלון:

Recode: מרציף לקבוצות

הקבוצות. שש קבוצות, כל אחת של חמישה גרמים:

את הקבוצות קובע מי שמנתח. אם בתרגיל אחר מבקשים ארבע קבוצות, עושים ארבע. כמו בהרצאה 2, אין כאן חלוקה נכונה אחת.

ב-SPSS:

בקובץ כבר היה משתנה בשם fiber_category, שהוכן מראש, ולכן החדש נקרא fiber_catego. אחרי OK הוא מופיע בחלון הנתונים כעמודה אחרונה, עם 1.00 עד 6.00. בשורות שנראו על המסך הוא זהה למשתנה שהוכן מראש.

שם בלי רווח. עם רווח, למשל fiber cat, ‏SPSS מסרב ומודיע Variable name contains an illegal character. במקום רווח: קו תחתון. כמו CostCat בהרצאה 2. ולפי התרגול: הודעת שגיאה כזו לא אומרת שמשהו לא בסדר אצלכם. מנסים, טועים וחוזרים.

קבוצות חופפות. בניסיון הראשון בכיתה הקבוצה הראשונה הייתה LOWEST through 15, והשנייה 15 through 19.99. מהכיתה עלה מה הבעיה: 15 נמצא בשתיהן. למי שצרך בדיוק 15 גרם אין קבוצה אחת. התיקון: מסמנים את השורה ברשימת Old → New, לוחצים Remove, ומזינים מחדש LOWEST through 14.99. הכלל כמו בהרצאה 2: הקבוצות לא חופפות, וכל ערך שייך לקבוצה אחת בלבד.

איפה זה תופס אתכם.

• 14.99 עובד כי לנתונים יש ספרה אחת אחרי הנקודה. בנתונים מדויקים יותר, ערך כמו 14.995 לא היה נכנס לשום קבוצה
• רמת המדידה של המשתנה החדש. על המסך SPSS יצר את fiber_catego כ-Nominal. לפי השקף, קבוצת צריכה היא Ordinal. משנים את זה בעמודת Measure
• גם הייבוא קובע רמת מדידה לבד. על המסך, אחרי הייבוא, patient_id היה Scale ו-fiber_category היה Nominal. לפי השקף הם Nominal ו-Ordinal. כדאי לעבור על עמודת Measure אחרי כל ייבוא

שמות לקבוצות: Value Labels

עכשיו יש משתנה אחד. יום אחד יהיו 200, ואף אחד לא יזכור מה זו קבוצה 1. לכן מגדירים לכל קוד את המשמעות שלו:

התוויות שהוקלדו על המסך:

התווית היא רק טקסט. היא לא משנה את החלוקה. מי שצרך בדיוק 35 גרם נמצא בקבוצה 6, גם אם בתווית כתוב "מעל 35": מה שקובע הוא ה-Recode.

התוצאות שבשקף

בכיתה לא הספיקו להריץ את הניתוח עצמו. התוצאות הופיעו בשקף, ב-0:13.

צריכת הסיבים בגרמים (fiber_intake_g, ‏Scale):

קבוצות הצריכה (fiber_category, ‏Ordinal):

השכיח (Mode) הוא קבוצה 3. התרשים המתאים, לפי השקף: תרשים עמודים.

מה נבדק. האחוזים, החציון, המינימום והטווח חושבו מחדש מהנתונים, והם תואמים לשקף. עמודת האחוז המצטבר לא הייתה בשקף, והיא מחושבת כאן. על המסך נראו רק 37 מתוך 50 השורות, ולכן את הממוצע ואת סטיית התקן אי אפשר היה לחשב מחדש עד הסוף. הם מתיישבים עם השורות שנראו.

הטווח הוא הגדול פחות הקטן, $38-11=27$. החציון של 50 תצפיות הוא הממוצע של התצפית ה-25 וה-26 בסדר עולה, 23.0 ו-23.5:

והאחוז של קבוצה 3:

כמה עומדים ביעד של הנשים, 25 גרם ומעלה? קבוצות 4, 5 ו-6: $9+7+4=20$ מטופלים, כלומר 40 אחוז. אפשר גם מהאחוז המצטבר: עד קבוצה 3 יש 60 אחוז, ולכן $100-60=40$.

מה לא נלמד בתרגול הזה

• הניתוח התיאורי עצמו ב-SPSS, כלומר ממוצע, סטיית תקן והיסטוגרמה: רק התוצאות הוצגו בשקף. ההרצה נעשתה בתרגול 2, על קובץ אחר
• חלונות הייבוא וה-Recode: לא נראים בהקלטה
• 13 השורות האחרונות של הנתונים: לא הוצגו

בדיקה עצמית

1. למטופל יש BMI של 23.1, והוא בקבוצת "משקל תקין". מאיזה סוג כל אחד משני המשתנים?
2. למה אי אפשר לחשב ממוצע לקבוצות ה-BMI?
3. בניסיון הראשון של ה-Recode, LOWEST through 15 היה 1, ו-15 through 19.99 היה 2. מה הבעיה, ואיך מתקנים?
4. ‏SPSS לא קיבל את השם fiber cat. למה, ומה כותבים במקום?
5. בטבלת הקבוצות, כמה אחוז מהמטופלים צרכו פחות מ-20 גרם ליום?

תשובות.

1: ה-BMI עצמו הוא משתנה רציף, בסולם יחס, וב-SPSS הוא Scale. "משקל תקין" הוא קבוצה בסולם אורדינלי, כי יש סדר בין הקבוצות.

2: כי הקודים הם לא כמויות. 1 אומר "תת-משקל", ולא אחד של משהו. לקבוצות מחשבים שכיחויות: כמה אנשים, ובאיזה אחוז, בכל קבוצה.

3: הערך 15 נמצא בשתי הקבוצות. מוחקים את השורה הראשונה ב-Remove, ומזינים LOWEST through 14.99.

4: כי SPSS לא מקבל רווח בשם משתנה. כותבים קו תחתון, למשל fiber_cat.

5: 32 אחוז. זה האחוז המצטבר בשורה של קבוצה 2: 10 ועוד 22.

תרגול 2 — טבלת שכיחויות, שכיח ותרשימים

מפת התרגול

ההקלטה מתחילה באמצע דברי הפתיחה, ונגמרת לפני הפלט של המשתנה הרציף. השקפים של התרגול נקראים "סטטיסטיקה תיאורית, מרפאת תזונה, 50 מטופלים". הטבלאות כאן הן מהשקפים, והמספרים בהן חושבו מחדש.

ענייני הקורס

Variable View: רמת המדידה של כל משתנה

השקף הראשון של העבודה, עמודת Measure:

שלוש שאלות מהשקף:

• למה Satisfaction מוגדר Ordinal ולא Nominal? יש סדר טבעי בין הקטגוריות, מהנמוכה לגבוהה. אבל המרחק בין כל שתי קטגוריות לא בהכרח שווה
• למה Gender שמור כמספר, 1 או 2, ולא כמילה? התוכנה מנתחת מספרים. תווית הערך רק מציגה את השם בפלט
• איזה משתנה הוא Age? כמותי רציף, ברמת מדידה Scale. בהמשך הופכים אותו למשתנה קטגוריאלי, כמו הגילאים בחדר הלידה בהרצאה 2

למה זה חשוב. כשיודעים מה סוג המשתנה, יודעים איזה ניתוח להריץ. סטטיסטיקה תיאורית מתארת את אוכלוסיית המחקר: מה הגיל הממוצע, וכמה אחוז מרוצים מהשירות. הגיל רציף, ולו מחשבים ממוצע. שביעות הרצון היא לא, ולה מחשבים אחוזים.

איזה מדד ואיזה תרשים

שלוש שאלות שעלו בכיתה:

• Scale ו-Ratio הם אותו דבר? ב-SPSS, ‏Scale כולל גם את סולם היחס וגם את האינטרוולי. Continuous הוא רציף. אינטרוולי, כמו טמפרטורה, כמעט לא נפגוש
• מה ההבדל בין Scale ל-Ordinal? באורדינלי למספר יש משמעות של סדר: 1 הוא Poor ו-5 הוא Excellent. כמו כיתה א', ב', ג'. ב-Scale המספר הוא כמות: 60 ק"ג הם 60 ק"ג, ואין לו משמעות אחרת
• כמותי ואיכותני. כמותי הוא מה שמודדים, המשתנים הרציפים. איכותני מתאר איכות של משהו, כמו שביעות רצון

חלק א: שביעות רצון מהייעוץ התזונתי

המשתנה Satisfaction: חמש דרגות, Poor, ‏Below average, ‏Average, ‏Above average ו-Excellent. משתנה Ordinal.

ב-SPSS

לפי השקף, זה בדיוק התהליך של שביעות הרצון בהרצאה 2.

הפלט

Statistics: ‏N Valid ‏50, ‏Missing ‏0, ‏Mode ‏4.

איפה זה תופס אתכם. אצל המתרגלת נשארו מסומנים Mean ו-Median מניתוח קודם, והם הופיעו בפלט. מתעלמים מהם. למשתנה שאינו רציף ממוצע לא אומר כלום, ולפי התרגול, מי שמדווח עליו טועה. מי שדירג 3 לא נתן כמות של שלוש. הוא בחר "Average", ו-3 הוא רק הקוד שלו.

מה כל עמודה אומרת

N. ‏Valid ‏50: כל 50 המטופלים ענו. אילו שניים לא היו עונים, היה כתוב Valid ‏48 ו-Missing ‏2.

Frequency. כמה ענו כל תשובה: 4 מתוך 50 ענו Poor, ‏7 ‏Below average, ‏12 ‏Average, ‏18 ‏Above average, ו-9 ‏Excellent.

Percent. השכיחות חלקי כל התצפיות, כפול 100:

וכך גם 14, 24, 36 ו-18. ביחד 100.

Valid Percent. השכיחות חלקי מי שענה בפועל. כאן אין חסרים, ולכן היא זהה ל-Percent. ההבדל מופיע כשיש חסרים. אילו רק 48 היו עונים, ו-18 מהם דירגו Above average:

וה-Percent היה נשאר 36, כי הוא מחלק ב-50. לפי התרגול, מסתכלים על Valid Percent.

Cumulative Percent. מחברים את האחוזים מלמעלה, שורה אחרי שורה: 8, ואז $8+14=22$, ואז $22+24=46$, ואז $46+36=82$, ובסוף 100.

כאן הדרגות מקודדות 1 עד 5 לפי הסדר, והטבלה מסודרת לפי הקוד. לכן האחוז המצטבר הולך לפי סדר הדירוג. בהרצאה 2 הדירוגים הופיעו לפי האלף-בית באנגלית, והאחוז המצטבר שם היה קשה לפירוש.

שאלות על הפלט

מהשקף ומהכיתה:

Average ומעלה: 78, ולא 46. השאלה הזו בלבלה בכיתה, ועלו בה 46, 100 ו-22. האחוז המצטבר סופר מלמעלה למטה, ולכן "ומעלה" לא כתוב בעמודה. יש שתי דרכים. מחברים את שלוש השורות:

או לוקחים את האחוז המצטבר של השורה שמעל Average, ‏Below average, ומורידים אותו מ-100:

במטופלים: $12+18+9=39$ מתוך 50.

מי לא מרוצה. הדוגמה מהכיתה: רוצים לשלוח מתנה למטופלים שלא היו מרוצים. אלה Poor ו-Below average, ‏22 אחוז, וזה בדיוק האחוז המצטבר בשורה של Below average.

השכיח. ה-Mode הוא 4: הקטגוריה השכיחה ביותר היא קוד 4, כלומר Above average. ‏SPSS מציג את הקוד ולא את המילה, כי בתוכנה הכל מקודד במספרים. מה כל קוד אומר רואים ב-Variable View, בעמודת Values.

תרשים עמודים

על התרשים של שביעות הרצון, מהשקף:

• למה העמודות מופרדות? כל קטגוריה נפרדת, ואין רצף בין הקטגוריות. זה ההבדל מהיסטוגרמה
• כמה מטופלים דירגו Average או יותר? 39 מטופלים, 12 ועוד 18 ועוד 9, שהם 78 אחוז. אפשר לחשב מהטבלה או מה-Cumulative Percent

סוג התזונה: Nominal ותרשים עוגה

המשתנה Diet קודד כך: 1 תזונה רגילה, 2 ים-תיכונית, 3 צמחונית, 4 טבעונית. לסדר הזה אין משמעות. אפשר היה לתת 1 לצמחונית ו-4 לים-תיכונית. בשביעות הרצון יש לסדר משמעות, ולכן היא Ordinal, וסוג התזונה Nominal. גם לו מתאים תרשים עמודים, ובשקף בחרו עוגה.

הדרך: Analyze › Descriptive Statistics › Frequencies, מעבירים את Diet, ב-Charts בוחרים Pie charts, ו-OK.

המספרים מההערות של השקף. בעוגה הפלח הגדול הוא Regular.

• מהו סוג התזונה השכיח במרפאה? Regular, עם 22 מטופלים, 44 אחוז
• איזה אחוז מהמטופלים צמחונים או טבעונים? $18+10=28$ אחוז, כלומר 14 מטופלים

איפה זה תופס אתכם. גם בטבלה של סוג התזונה SPSS מוסיף עמודת Cumulative Percent. כאן היא לא אומרת כלום: הקטגוריות בלי סדר, והסכום תלוי בקידוד השרירותי. כמו בהרצאה 2, אחוז מצטבר אומר משהו רק כשיש סדר.

חלק ב: משתנה כמותי, צריכת סיבים

המשתנה Fiber: צריכת סיבים תזונתיים. משתנה Scale, ולכן ממוצע, מדדי פיזור והיסטוגרמה.

לפי השקף, כמו עלויות החומרים במרפאת הסוכרת בהרצאה 2.

למה מבטלים את טבלת השכיחויות. במשתנה רציף כמעט כל ערך מופיע פעם אחת, והטבלה לא מלמדת כלום. בשביעות הרצון היא העיקר.

כמה משתנים בבת אחת. אפשר להעביר לחלון את כל המשתנים הרציפים יחד ולקבל את כל המדדים בלחיצה אחת. בקובץ הזה הם Age, ‏Fiber ו-BMI.

ההקלטה נגמרת כאן, לפני הפלט של Fiber.

מה לא נלמד בתרגול הזה

• הפלט של Fiber: ההקלטה נגמרה לפניו
• Gender, ‏Age ו-BMI לא נותחו
• השקף שמתאר את קובץ הנתונים לא הוצג בגודל מלא, ולכן לא ידוע מה עוד יש בו

בדיקה עצמית

1. למה מבטלים את Display frequency tables כשמנתחים את Fiber, ומשאירים אותו בשביעות הרצון?
2. אילו מתוך 50 המטופלים 5 לא היו עונים, ו-12 עדיין דירגו Average, מה היה ה-Valid Percent של Average?
3. כמה אחוז דירגו Above average או Excellent?
4. למה באחוז המצטבר של סוג התזונה אין מה לקרוא?
5. במה נבדל תרשים עמודים מהיסטוגרמה, ומתי משתמשים בכל אחד?

תשובות.

1: ב-Fiber, משתנה רציף, כמעט כל ערך מופיע פעם אחת, והטבלה לא מלמדת כלום. בשביעות הרצון, משתנה אורדינלי, טבלת השכיחויות היא העיקר.

2: כ-26.7 אחוז: 12 חלקי 45, כפול 100. Valid Percent מחלק רק במי שענה.

3: 54 אחוז: 36 ועוד 18. או 100 פחות 46, האחוז המצטבר של Average.

4: כי לסוגי התזונה אין סדר, והקודים שרירותיים. אחוז מצטבר אומר משהו רק כשהקטגוריות מסודרות.

5: בתרשים עמודים העמודות מופרדות, כי כל קטגוריה נפרדת. הוא לנתונים קטגוריאליים. בהיסטוגרמה יש רצף, והיא למשתנה רציף.

רמות מדידה ב-SPSS

ארבעה סולמות, שלוש רמות

בהרצאה 1 ובשקפים של התרגולים יש ארבעה סולמות מדידה. ב-SPSS, בעמודת Measure של Variable View, יש רק שלוש רמות:

Scale הוא המשתנים הכמותיים. ב-SPSS אין הבחנה בין אינטרוולי ליחס, ובתרגולים קראו להם גם "רציפים". נומינלי ואורדינלי הם קטגוריאליים, או איכותניים.

קוד מול כמות

ב-SPSS הכל נשמר כמספרים, גם מגדר וגם סוג תזונה. ההבדל הוא מה המספר אומר:

את השם של כל קוד מגדירים בעמודת Values. לכן בפלט אפשר לראות "Above average", ובטבלת Statistics רואים את הקוד, 4.

אותו מטופל, שני משתנים

ממשתנה רציף אפשר לבנות משתנה של קבוצות, ב-Recode. בכיוון ההפוך לא: מהקבוצה אי אפשר לדעת כמה בדיוק צרך המטופל.

איפה זה תופס אתכם

• קבוצות עם סדר הן אורדינליות. בתרגול 1 קבוצות ה-BMI נקראו נומינליות. יש להן סדר, מתת-משקל ועד עודף משקל, ולכן הן אורדינליות
• מספר מטופל הוא Nominal. הוא מספר, אבל הוא רק מזהה. אין משמעות לממוצע שלו
• הייבוא קובע Measure לבד, ולא תמיד נכון. בתרגול 1, אחרי הייבוא מ-Excel, מספר המטופל קיבל Scale וקבוצת הסיבים Nominal. גם משתנה חדש מ-Recode נוצר כ-Nominal. עוברים על עמודת Measure ומתקנים
• אפס אמיתי לא אומר שמישהו באמת באפס. משקל גוף הוא בסולם יחס, כי באפס אין משקל בכלל, ולכן 80 ק"ג הם פי שניים מ-40. זה שאף אחד לא שוקל אפס לא משנה
• בדיד הוא גם כמותי. מספר ילדים סופרים ביחידות שלמות, ויש לו אפס אמיתי. ב-SPSS הוא Scale

בדיקה עצמית

1. איזו רמת מדידה מקבלים ב-SPSS משקל בק"ג וטמפרטורה בצלזיוס?
2. מותר להחליף בין הקודים של סוג התזונה? ובין הקודים של שביעות הרצון?
3. למה מספר מטופל הוא Nominal ולא Scale?

תשובות.

1: שניהם Scale. בהרצאה 1 הם בסולמות שונים, יחס ואינטרוולי, אבל ב-SPSS אין הבחנה ביניהם.

2: בסוג התזונה כן: הוא נומינלי, והקודים שרירותיים. בשביעות הרצון לא: הקודים הולכים לפי הסדר, מ-Poor ועד Excellent, והסדר הוא חלק מהמידע.

3: כי המספר רק מזהה את המטופל. הוא לא כמות, ואין לו סדר בעל משמעות.

איזה מדד ואיזה תרשים

הטבלה

בשני המקרים הדרך היא Analyze › Descriptive Statistics › Frequencies. מה שמשתנה הוא מה מסמנים: ב-Statistics את המדדים, וב-Charts את התרשים. לפי תרגול 2, היסטוגרמה היא התרשים היחיד שמתאים למשתנה רציף.

למה לא ממוצע לקטגוריות

בקטגוריות המספרים הם קודים. ממוצע של "תת-משקל" ו"משקל תקין" לא קיים, וממוצע של דירוגי שביעות רצון יוצא מספר שאין לו משמעות למשתנה הזה. במקום ממוצע: השכיח, הקטגוריה הנפוצה ביותר, ואחוזים לכל קטגוריה.

עמודים מול היסטוגרמה

תרשים עוגה מתאים לאותם משתנים כמו תרשים עמודים. בתרגול 2 הוא שימש לסוג התזונה.

שלוש דוגמאות

איפה זה תופס אתכם

• מדד שנשאר מסומן. SPSS זוכר מה סימנתם בניתוח הקודם. אם בפלט של משתנה אורדינלי מופיעים Mean ו-Median, מתעלמים מהם
• אותם נתונים, שני משתנים. צריכת הסיבים בגרמים מקבלת היסטוגרמה. אחרי החלוקה לקבוצות, אותם נתונים מקבלים תרשים עמודים
• שכיח מוצג כקוד. Mode של 4 הוא Above average, ולא "ארבע"

בדיקה עצמית

1. איזה תרשים מתאים ל-BMI עצמו, ואיזה לקבוצות ה-BMI?
2. למה מבטלים את טבלת השכיחויות כשמנתחים את Fiber?
3. מה מדווחים לשביעות הרצון במקום ממוצע?

תשובות.

1: ל-BMI עצמו, משתנה רציף, היסטוגרמה. לקבוצות, משתנה אורדינלי, תרשים עמודים או עוגה.

2: כי במשתנה רציף כמעט כל ערך מופיע פעם אחת, וטבלה של 50 ערכים שונים לא מלמדת כלום.

3: את השכיח, ואת האחוז של כל דירוג מטבלת השכיחויות.

טבלת שכיחויות

העמודות

הנוסחאות

$f$ היא השכיחות של הקטגוריה, $N$ מספר כל התצפיות, ו-$N_{\text{valid}}$ מספר מי שענה.

Percent:

Valid Percent:

Cumulative Percent: סכום האחוזים עד השורה, כולל. בשביעות הרצון, בשורה של Average: $8+14+24=46$.

הטבלה מתרגול 2

שביעות רצון מהייעוץ התזונתי, 50 מטופלים, בלי חסרים:

ארבע שאלות שחוזרות, ואיך עונים

אותן שאלות בקבוצות צריכת הסיבים של תרגול 1: האחוז המצטבר של קבוצה 3 הוא 60, ולכן 40 אחוז צרכו 25 גרם ומעלה. קבוצה 3 היא גם השכיחה, עם 14 מטופלים.

איפה זה תופס אתכם

• "ומעלה" לא כתוב בעמודה. האחוז המצטבר סופר מלמעלה למטה. 46 בשורה של Average הוא "Average או פחות"
• השורה הנכונה. "Average ומעלה" הוא 100 פחות האחוז המצטבר של השורה שמעל Average, ולא של Average עצמה
• אחוז מצטבר צריך סדר. בסוג התזונה, משתנה נומינלי, הקודים שרירותיים, והאחוז המצטבר לא אומר כלום. גם כשהטבלה מסודרת לפי האלף-בית, כמו בהרצאה 2
• Percent ו-Valid Percent זהים רק כשאין חסרים. אם 2 מתוך 50 לא ענו, ‏Valid Percent מחלק ב-48
• Mode הוא קוד. את המשמעות שלו בודקים בעמודת Values

בדיקה עצמית

1. בקבוצות צריכת הסיבים, האחוז המצטבר של קבוצה 3 הוא 60. כמה אחוז צרכו 25 גרם ומעלה?
2. אילו 4 מתוך 50 לא היו עונים, ו-9 דירגו Excellent, מה היה ה-Valid Percent של Excellent?
3. למה האחוז המצטבר של סוג התזונה לא אומר כלום?

תשובות.

1: 40 אחוז: 100 פחות 60.

2: כ-19.6 אחוז: 9 חלקי 46, כפול 100. ה-Percent היה 18.

3: כי לסוגי התזונה אין סדר, והסכום תלוי בקידוד, שנבחר שרירותית.

עבודה ב-SPSS: ייבוא, Recode ותוויות

שני מסכים

ייבוא מ-Excel

Recode: מרציף לקבוצות

שלוש האפשרויות של Range: ‏LOWEST through value לקבוצה הראשונה, value through value לאמצעיות, ו-value through HIGHEST לאחרונה.

הדוגמה מתרגול 1, צריכת סיבים בגרם ליום:

Value Labels: שם לכל קוד

איפה זה תופס אתכם

• רווח בשם משתנה. SPSS מסרב ומודיע Variable name contains an illegal character. כותבים קו תחתון: fiber_catego. כך גם CostCat בהרצאה 2
• טווחים חופפים. אם הקבוצה הראשונה עד 15 והשנייה מ-15, הערך 15 נמצא בשתיהן. מתקנים ב-Remove ומזינים עד 14.99
• הגבול תלוי בספרות אחרי הנקודה. 14.99 עובד כשיש בנתונים ספרה אחת אחרי הנקודה. ערך כמו 14.995 לא היה נכנס לשום קבוצה
• המשתנה החדש נוצר כ-Nominal. קבוצות עם סדר הן Ordinal. משנים בעמודת Measure
• התווית היא רק טקסט. את החלוקה קובע ה-Recode. התווית >35 לא מוציאה את מי שצרך בדיוק 35 מקבוצה 6
• קובץ שלא נשמר במחשב לא נפתח. מורידים מהמודל קודם, כמו בהרצאה 1

בדיקה עצמית

1. ‏SPSS מציג Mode של 4. איפה בודקים מה זה 4?
2. מה ההבדל בין מה שנקבע ב-Recode לבין מה שנכתב ב-Value Labels?
3. למה במשתנה החדש כדאי לבדוק את עמודת Measure?

תשובות.

1: ב-Variable View, בעמודת Values של אותו משתנה.

2: ה-Recode קובע לאיזו קבוצה נכנס כל ערך. התווית רק מציגה שם לקוד בפלט.

3: כי SPSS יצר אותו כ-Nominal. קבוצות שיש ביניהן סדר צריכות להיות Ordinal.

דוגמאות מהקורס

אלה לא תרגילים של הקורס. הנתונים הם מהתרגולים, והפירוק לנושאים נכתב כאן.

1. צריכת סיבים תזונתיים

מה יש: צריכת סיבים יומית בגרמים של 50 מטופלי סוכרת, בתרגול 1. ובתרגול 2, המשתנה Fiber בקובץ של מרפאת התזונה.

תרגולים: 1, 2.

מה לשים לב: אותו מטופל, שני משתנים. הגרמים הם Scale, והקבוצה Ordinal. לכל אחד מדדים ותרשים משלו.

2. שביעות רצון מהייעוץ התזונתי

מה יש: 50 מטופלים דירגו את הייעוץ, מ-Poor ועד Excellent.

תרגולים: 2.

מה לשים לב: בפלט הופיעו גם ממוצע וחציון, כי נשארו מסומנים. למשתנה אורדינלי הם לא אומרים כלום.

3. סוג התזונה

מה יש: ארבעה סוגי תזונה של 50 מטופלים: רגילה, ים-תיכונית, צמחונית וטבעונית.

תרגולים: 2.

מה לשים לב: הקודים 1 עד 4 שרירותיים. לכן האחוז המצטבר כאן לא אומר כלום.

4. BMI: מספר וקבוצה

מה יש: ה-BMI כמספר, וקבוצות BMI: תת-משקל, משקל תקין, עודף משקל.

תרגולים: 1, 2.

מה לשים לב: בתרגול 1 הקבוצות נקראו נומינליות. יש ביניהן סדר, ולכן הן אורדינליות.

דף עזר

רמות מדידה

מה מתאים לאיזה משתנה

נוסחאות

$f$ היא השכיחות של קטגוריה, $N$ מספר כל התצפיות, ו-$N_{\text{valid}}$ מספר מי שענה.

Percent:

Valid Percent:

Cumulative Percent: סכום האחוזים מהשורה הראשונה ועד השורה, כולל.

מקטגוריה מסוימת ומעלה: 100 פחות האחוז המצטבר של השורה שמעליה.

ממוצע, מהרצאה 1:

טווח: הערך הגדול פחות הקטן. בצריכת הסיבים של תרגול 1: $38-11=27$.

מסלולים ב-SPSS

במשתנה Scale מבטלים את Display frequency tables.

מילון מונחים

סיכום למבחן

תרגול 1 — SPSS, סולמות מדידה ו-Recode

• ב-SPSS יש רק שלוש רמות: Nominal, Ordinal ו-Scale. ‏Scale כולל גם אינטרוולי וגם יחס
• רציף מול קטגוריאלי: ממוצע מחשבים רק למשתנה רציף. לקטגוריות מחשבים שכיחויות
• קבוצות עם סדר הן אורדינליות: קבוצות BMI, קבוצות צריכת סיבים. אפס אמיתי לא דורש שמישהו באמת יהיה באפס
• Recode: Transform › Recode into Different Variables. שם בלי רווח, והקבוצות לא חופפות: הראשונה עד 14.99, לא עד 15
• Value Labels: ב-Variable View, עמודת Values. שם לכל קוד

תרגול 2 — טבלת שכיחויות, שכיח ותרשימים

• Percent מחלק בכל התצפיות, Valid Percent רק במי שענה. בלי חסרים הם זהים
• Cumulative Percent: סכום האחוזים עד השורה, כולל. 46 בשורה של Average הוא Average או פחות
• "ומעלה": 100 פחות האחוז המצטבר של השורה שמעליה. Average ומעלה: 78
• השכיח מוצג כקוד: 4 הוא Above average. ממוצע למשתנה אורדינלי לא אומר כלום
• תרשים: עמודים או עוגה לקטגוריות, היסטוגרמה לרציף. במשתנה רציף מבטלים את טבלת השכיחויות

מה חוזר לאורך הקורס

1. קודם סוג המשתנה: הוא קובע את המדד, את התרשים ואת ההגדרה בעמודת Measure
2. מספר יכול להיות קוד: ב-SPSS הכל מספרים. רק ב-Scale המספר הוא כמות, ושם יש ממוצע
3. מהפלט לשאלה: לדעת מאיפה כל מספר בפלט יוצא, ולענות ממנו על שאלה כמו "כמה אחוז ומעלה"